Le but de cet article est de réaliser la détection d’objets 3D à partir d’images monoculaires seules dans le cadre du conduite autonome. Notre méthode vise d’abord à générer un ensemble de propositions d’objets spécifiques à la classe, qui sont ensuite traitées par une chaîne de traitement classique basée sur un réseau de neurones convolutif (CNN) afin d’obtenir des détections d’objets de haute qualité. L’accent de ce travail est mis sur la génération de propositions. Plus précisément, nous proposons un modèle probabiliste qui positionne les candidats d’objets en 3D en s’appuyant sur une information a priori concernant le plan de sol. Chaque boîte candidate est ensuite notée après projection sur le plan image, grâce à plusieurs potentiels intuitifs tels que la segmentation sémantique, les informations contextuelles, les priori de taille et de position, ainsi que la forme typique des objets. Les poids de notre modèle sont appris à l’aide d’un S-SVM (Support Vector Machine à deux niveaux). Les expérimentations montrent que notre approche de génération de propositions d’objets surpasse significativement toutes les méthodes de référence monoculaires existantes, et atteint la meilleure performance de détection sur le défi KITTI, parmi les méthodes monoculaires publiées.